内容简介:本周论文分享一篇ECCV2018关于人脸识别数据集的研究。近几年一些大规模的人脸数据和各种新的结构、损失函数的提出推动了人脸识别技术的快速发展,但是对于数据集中存在的噪声问题却没有更深入的理解。本文的关注点就是数据集中的噪声问题,针对这个问题,作者提出了一个新的更干净的数据集(IMDb-Face),系统分析了Megaface和MS-Celeb1M的噪声问题和不同噪声类型对于人脸识别准确率的影响,以及如何改进数据处理流程以减少噪声。数据集在人脸识别发展过程中扮演者重要的角色。从最早的FERET到LFW,再到
论文分享
本周论文分享一篇ECCV2018关于人脸识别数据集的研究。近几年一些大规模的人脸数据和各种新的结构、损失函数的提出推动了人脸识别技术的快速发展,但是对于数据集中存在的噪声问题却没有更深入的理解。本文的关注点就是数据集中的噪声问题,针对这个问题,作者提出了一个新的更干净的数据集(IMDb-Face),系统分析了Megaface和MS-Celeb1M的噪声问题和不同噪声类型对于人脸识别准确率的影响,以及如何改进数据处理流程以减少噪声。
Introduction
数据集在人脸识别发展过程中扮演者重要的角色。从最早的FERET到LFW,再到后面的MegaFace,MS-Celeb-1M,数据的规模从万到百万量级,包含的个体数量从几千到10万。大规模的数据集加上深度学习使得人脸识别技术在近几年快速发展。
但是,随着规模的扩大,噪声问题就不可避免,因为要完美的标注这么大规模的数据集需要极大的代价。一种常见的方法是从搜索引擎上搜索某个名人,得到一些参差不齐的图片,随后使用自动或者半自动的方法对数据进行清洗,这种方法可以很容易的得到大规模的数据,但是也更容易带来噪声,影响模型的训练和性能。如图1所示,MegaFace和MS-Celeb-1M都含有不同数量的错误标签,某些标签很容易纠正,某些纠正的难度则更大。
How Noisy is Existing Data?
本文要解决的第一个问题是噪声的来源和噪声对CNN人脸识别模型的影响。我们需要回答以下问题:
1、需要多少包含噪声的样本集才能达到干净数据集的性能?
2、噪声和模型性能之间有什么关系?
3、最好的数据标注策略是什么?
作者发现使用32%的MegaFace干净数据集和20%的MSCeleb-1M就能达到使用全部数据进行训练的效果,也就是说使用噪声数据集需要更多的数据样本来训练。
Face Recognition Datasets
首先来看下目前常见的人脸数据集的大体情况(Table 1).
An Approximation of Signal-to-Noise Ratio
为了估计数据集中的噪声分布,作者提出了一种近似的办法:对数据集进行采样,然后将采样的子集划分为三组:correct identity assigned, doubtful, 和wrong identity assigned.对于Megaface采样了270万的数据,对于MS-Celeb-1M采样了370万数据,对于CASIA WebFace 和 Celeb Faces,采样了30个人的数据去估计它们的噪声分布。因为不太可能估计准确的噪声分布,这儿计算了一个大概的噪声分布的上界和下界,即将doubtful assigned的部分进行不同的考虑。由此得到的各个数据集噪声分布如图2a.
另外对于MegaFace和MS-Celeb-1M进行进一步统计,首先按照个体图像的数量对个体进行分类,然后得到他们的直方图分布,可以看出这两个数据集都是长尾分布(Fig 2b,c).并且作者发现在MegaFace的干净数据集中存在很多重复的图片。
Building a Noise-Controlled Face Dataset
虽然搜索引擎提供了大量的候选图片,但是搜索引擎提供的数据是有偏的,如下图,搜索引擎返回的结果都是一些背景简单,光照充足,姿态变化不大的图片,这些图片与实际的图片还存在较大的差异。另外一个弊端是搜索引擎的召回率很低,前200张图片中只有40%可用。
基于此,作者选择IMDb网站作为数据来源。IMDB包括明星的各种照片,包括官方照,自拍,电影快照等。这些照片足够丰富,并且召回率很高,大约90%。通过爬虫最后得到了包括5.9万个明星的170万数据。来看下IMDB-Face的数据统计情况,可以看出ImDb-Face包含更大的姿态变化,并且在年龄,性别和种族更多样。
Experiments
实验的使用的网络结构是Attention-56,使用的损失函数有3种:softmax,center Loss,A-Softmax。
Investigating the Effect of Noise on IMDb-Face
大规模数据集中存在2种噪声:
label flips: 某样本属于某个个体但给了另外一个个体的标签;
outliers:某样本不属于数据集中任何一个个体,但是给了某个个体的标签;
这里进行了两类实验,一是在IMDB-Face数据集上逐渐增加不同类别的噪声数据,增加的比例分别是10%, 20% 和50%。二是固定干净数据的大小然后逐渐加倍label flips的数据。实验结果如下图所示,可以看出label flips造成的性能下降大于outliers;A-softmax在更多的噪声数据时表现更差;outliers对于模型性能的影响相对较小。
The Effect of Noise on MegaFace and MS-Celeb-1M
下面来看噪声对MegaFace和MS-Celeb-1M数据集的影响:
Comparing IMDb-Face with other Face Datasets
来看下IMDB-face 数据集和其他数据集的对比:
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。